Le Crible

Édition de 14 h

Le filThèmes : Open sourceInfraRecherche

Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts

2 sourcesmis à jour il y a 4 jpertinence 3,9 sur5

L’essentiel

Dans un benchmark, passer de 8 à 128 experts a fait croître les paramètres totaux de 4,6 à 47 milliards, avec un débit d’entraînement en baisse de moins de 5 %. L’infrastructure a aussi été testée à plus de mille milliards de paramètres.

Couverture

Sources
2
Articles
2
Par type (sources)
Officiel 1Agrégateur 1
Par rôle (articles)
Primaire 1Relais 1

Propagation2 articles en 22 h 29, de Blog Hugging Face à TLDR AI.

  1. 1premierBlog Hugging Face
  2. 2+ 22 h 29TLDR AI

Les sources

1 article, puis 1 sous « Relayé par »

Relayé par

Sur les mêmes thèmes

  1. Recherche

    RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA

    Pertinence 3,7 sur51 source

  2. Infra

    Galahad, une couche mémoire pour vLLM, SGLang et llama.cpp, évite de relire les mêmes textes

    Pertinence 3,6 sur51 source

  3. Recherche

    LoGRA réduit la mémoire de l’entraînement par RL des LLM grâce à des esquisses de gradient de bas rang

    Pertinence 3,5 sur51 source

  4. Infra

    PrismQuant propose une rotation qui aligne les activations avec les groupes INT4 asymétriques

    Pertinence 3,5 sur51 source

À lire ensuite

  1. Modèles

    Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind

    Pertinence 5,0 sur54 sources

  2. Modèles

    OpenAI lance GPT-⁠6 Sol et GPT-⁠6 Luna, deux modèles plus économiques qui complètent GPT-⁠6 Astra

    Pertinence 5,0 sur55 sources

  3. Modèles

    Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-⁠6 Sol et GPT-⁠6 Luna à environ une heure d’écart

    Pertinence 5,0 sur55 sources

  4. Modèles

    Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5

    Pertinence 4,9 sur52 sources